数据筛选照搬旧神经网络思路有大盲区:Transformer 学的是共现几何
BlackHC · x · 2026-09-10
作者批评当前数据筛选（curation）方法存在巨大盲区：它忽略了 token 同构结构，直接套用为旧神经网络设计、从未针对 Transformer 定制的理念，把筛选、损失函数和“堆更多数据”当成通用 ML 问题。他主张 Transformer 在重复下学到的是共现几何（co-occurrence geometry），这个几何结构本身才是研究对象，而非特征、含义等传统目标；并回应称评价标准应基于预期的下游用途来选择。
所属事件:贝叶斯模型选择解释扩展律代理尺度赢家为何翻车(12 条相关)→
「研究」频道最新
- 剑桥等机构论文揭露图软提示的 token collapse 病态行为 — Sapienza · 2026-10-27
- Mathathon 2.0 启动：与陶哲轩 SAIR 合作，团队获 150 万美元算力 — _sathvikr · 2026-10-27
- 推友提出「甜课程」真实存在：两类 ML 问题应分而治之 — mike64_t · 2026-10-27
- PixGR：像素空间生成式解码加速前馈 3D 高斯重建 — kwangmoo_yi · 2026-10-27
- UniAction 统一动作条件框架:单一世界模型驱动多种动作类型 — ZeYanjie · 2026-10-27
- Infini-AI Lab 开源 Hermit:让 agent 从经验中进化出好习惯 — BeidiChen · 2026-10-27